“垃圾进，垃圾出”（Garbage In, Garbage Out）是计算机科学领域的经典法则，在AI领域同样适用。一个AI模型的能力上限，很大程度上取决于其训练数据的质量和数量。

质量是生命线：如果标注数据错误百出，比如把猫标注成狗，把负面评论标注成正面，那么AI模型学到的就是错误的知识。基于这些错误知识做出的预测和判断，其结果可想而知。高质量的标注数据是训练出可靠、可信AI模型的根本保证。

数量是基础：AI模型需要学习大量的例子才能举一反三，泛化到未见过的场景中。要让一个模型能识别世界上的各种猫，就需要提供成千上万张不同品种、不同姿态、不同光线下的猫的图片供它学习。没有足够的数据量，模型就无法获得“经验”，容易陷入“过拟合”（只会认训练过的图片，遇到新图片就傻眼）的困境。

因此，数据标注是AI产业不可或缺的一环，是连接原始数据和智能算法的桥梁，被誉为AI的“基石”和“燃料”。

信息来源：数字智慧号